論文の概要: An End-to-End Network for Emotion-Cause Pair Extraction
- arxiv url: http://arxiv.org/abs/2103.01544v2
- Date: Wed, 3 Mar 2021 06:57:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-06 10:11:37.877669
- Title: An End-to-End Network for Emotion-Cause Pair Extraction
- Title（参考訳）: 感情発生ペア抽出のためのエンドツーエンドネットワーク
- Authors: Aaditya Singh and Shreeshail Hingane and Saim Wani and Ashutosh Modi
- Abstract要約: Emotion-Cause Pair Extraction (ECPE)タスクのエンドツーエンドモデルを提案する。
英語ECPEコーパスが利用できないため、NCCIR-13 ECEコーパスを適応させ、このデータセット上にECPEタスクのベースラインを確立します。
- 参考スコア（独自算出の注目度）: 3.016628653955123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The task of Emotion-Cause Pair Extraction (ECPE) aims to extract all
potential clause-pairs of emotions and their corresponding causes in a
document. Unlike the more well-studied task of Emotion Cause Extraction (ECE),
ECPE does not require the emotion clauses to be provided as annotations.
Previous works on ECPE have either followed a multi-stage approach where
emotion extraction, cause extraction, and pairing are done independently or use
complex architectures to resolve its limitations. In this paper, we propose an
end-to-end model for the ECPE task. Due to the unavailability of an English
language ECPE corpus, we adapt the NTCIR-13 ECE corpus and establish a baseline
for the ECPE task on this dataset. On this dataset, the proposed method
produces significant performance improvements (~6.5 increase in F1 score) over
the multi-stage approach and achieves comparable performance to the
state-of-the-art methods.
- Abstract（参考訳）: Emotion-Cause Pair Extraction(ECPE)のタスクは、文書中の感情とその対応する原因のすべての潜在的な条項ペアを抽出することを目指しています。
感情原因抽出(ECE)のよりよく研究されたタスクとは異なり、ECPEはアノテーションとして提供される感情条項を必要としない。
以前のECPEの研究は、感情抽出、原因抽出、ペアリングを独立して行うマルチステージアプローチ、あるいはその制限を解決するために複雑なアーキテクチャを使用していた。
本稿では,ECPEタスクのエンドツーエンドモデルを提案する。
英語ECPEコーパスが利用できないため、NCCIR-13 ECEコーパスを適応させ、このデータセット上にECPEタスクのベースラインを確立します。
提案手法は,多段階アプローチよりも高い性能向上(F1スコアの約6.5増加)を達成し,最先端手法に匹敵する性能を実現する。
関連論文リスト
- ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳（メタデータ） (2024-05-17T15:45:08Z) - Enhancing EEG-to-Text Decoding through Transferable Representations from Pre-trained Contrastive EEG-Text Masked Autoencoder [69.7813498468116]
コントラスト型脳波テキストマスケード自動エンコーダ(CET-MAE)を提案する。
また、E2T-PTR(Pretrained Transferable Representationsを用いたEEG-to-Text decoding)と呼ばれるフレームワークを開発し、EEGシーケンスからテキストをデコードする。
論文 参考訳（メタデータ） (2024-02-27T11:45:21Z) - Enhancing Large Language Model with Decomposed Reasoning for Emotion
Cause Pair Extraction [13.245873138716044]
Emotion-Cause Pair extract (ECPE) は、感情とその原因を表す節対を文書で抽出する。
近年の成果から着想を得て,大規模言語モデル(LLM)を活用してECPEタスクに追加のトレーニングを加えることなく対処する方法について検討した。
人間の認知過程を模倣するチェーン・オブ・シントを導入し,Decomposed Emotion-Cause Chain (DECC) フレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-31T10:20:01Z) - Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。
本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
論文 参考訳（メタデータ） (2022-10-12T23:38:57Z) - Joint Alignment of Multi-Task Feature and Label Spaces for Emotion Cause
Pair Extraction [36.123715709125015]
感情原因ペア抽出(ECPE)は、感情原因分析(ECA)の派生したサブタスクの1つである。
ECPEは感情抽出(EE)と原因抽出(CE)に関連性のある豊富な特徴を共有している
論文 参考訳（メタデータ） (2022-09-09T04:06:27Z) - Incorporating Dynamic Semantics into Pre-Trained Language Model for
Aspect-based Sentiment Analysis [67.41078214475341]
ABSAの動的アスペクト指向セマンティクスを学ぶために,DR-BERT(Dynamic Re-weighting BERT)を提案する。
具体的には、まずStack-BERT層を主エンコーダとして、文の全体的な意味を理解する。
次に、軽量な動的再重み付けアダプタ(DRA)を導入して微調整する。
論文 参考訳（メタデータ） (2022-03-30T14:48:46Z) - Emotion-Cause Pair Extraction in Customer Reviews [3.561118125328526]
我々は,オンラインレビューの分野において,ECPEにおける研究成果を提示することを目的としている。
手動でアノテートしたデータセットを用いて、ニューラルネットワークを用いて感情の原因ペアを抽出するアルゴリズムを探索する。
本稿では,従来の参考資料を用いたモデルと感情要因のペア抽出と,感情認識単語の埋め込み領域の研究を組み合わせることを提案する。
論文 参考訳（メタデータ） (2021-12-07T20:56:20Z) - Dynamic Programming Encoding for Subword Segmentation in Neural Machine
Translation [80.38621085548013]
本稿では,文をサブワード単位にトークン化するための新しいセグメンテーションアルゴリズムである動的プログラミング(DPE)を提案する。
ターゲットセグメンテーションを見つけるために、正確なログ境界推定と正確なMAP推定を可能にする混合文字サブワード変換器を提案する。
論文 参考訳（メタデータ） (2020-05-03T05:00:50Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z) - ECSP: A New Task for Emotion-Cause Span-Pair Extraction and
Classification [0.9137554315375922]
Emotion-Cause Span-Pair extract and classification (ECSP) という新しい課題を提案する。
ECSPは、文書中の感情とそれに対応する原因の潜在的な範囲を抽出し、それぞれの感情を分類することを目的としている。
本研究では,感情と原因を直接抽出し,文書からペア化するETCモデルを提案する。
論文 参考訳（メタデータ） (2020-03-07T03:36:47Z) - End-to-end Emotion-Cause Pair Extraction via Learning to Link [18.741585103275334]
感情原因ペア抽出(ECPE)は、文書中の感情とその根本原因を共同で調査することを目的としている。
既存のECPEのアプローチでは、(1)感情と原因の検出、(2)検出された感情と原因のペアリングという2段階の手法が一般的である。
本稿では, 感情, 原因, 感情原因のペアをエンドツーエンドで同時に抽出できるマルチタスク学習モデルを提案する。
論文 参考訳（メタデータ） (2020-02-25T07:49:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。